基础设施与稳定性工程-Agentic算力基础设施研发工程师-杭州/北京

岗位定位

面向超大规模 AI 训练与推理集群，建设以数据、建模和 Agent 决策为核心的算力管理与效率优化体系，贯通模型、硬件、系统、负载和业务运营，推动算力管理由静态监控、经验调优向自适应优化演进，提升算力效率、服务质量与经营收益。

工作职责

本岗位涵盖数据体系、性能建模、算力管理与算效优化，候选人可选择一个或多个方向。

1、AI集群数据体系：建设离线数据治理与分析体系，统一管理硬件、拓扑、模型与负载特征、运行指标、服务成本及业务收益，形成资源与服务画像；建设在线状态低时延采集、存储、聚合和查询能力，为网关、路由、引擎及资源池提供实时感知与反馈，支撑调度、准入、弹性伸缩和服务保障。

2、AI集群运行机理与性能建模：建立覆盖硬件、系统软件、模型及流量的端到端性能与容量模型，分析并行策略、注意力架构、KV Cache、分布式通信与硬件的耦合关系；基于模型开展反事实推演，预测集群吞吐、服务时延、资源利用率及容量边界的变化，识别性能瓶颈及其迁移趋势。

3、Agent 驱动的算效优化：建立效率度量、瓶颈定位和全链路归因能力，驱动资源调度、弹性伸缩、准入控制、Prefill/Decode 调度、KV Cache、负载均衡及部署拓扑自适应优化；融合资源、服务质量、成本和业务收益，构建联合决策机制。

1、系统建模与 Agentic 架构方向：开展机理建模、性能预测、容量推演、优化算法及闭环控制的设计、开发和验证。要求计算机、电子信息、自动化、统计学等相关专业硕士/博士，具备 AI Infra、体系结构、分布式系统、性能工程或资源优化经验；高水平论文或大型系统研发经验优先。

2、平台系统开发方向：负责数据采集存储、资源画像、模型在线服务、调度对接及自动化控制平台开发，推动算法工程化，保障高吞吐、低时延和高可用。要求计算机、软件工程、人工智能等相关专业本科及以上学历，熟练掌握 Python、C++、Go、Java 至少一种，具备分布式系统、高并发数据链路或 AI 平台、推理训练、集群调度系统开发经验者优先。